این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
سنجش از دور و Gis ایران، جلد ۸، شماره ۲، صفحات ۰-۰
عنوان فارسی ارزیابی کارآیی شاخص‌های طیفی پوشش گیاهی پهن‌باند در پیش‌بینی شرایط خشکسالی در ایران
چکیده فارسی مقاله ایران یکی از کشورهای خشک و نیمه‌خشک به‌شمار می‌رود که به خشکسالی دچار است. کمبود اطلاعات هواشناسی طولانی‌مدت در پهنۀ وسیعی از کشور یکی از بزرگ‌ترین مشکلات برای مشاهده و پیش‌بینی کوتاه‌مدت خشکسالی در ایران است. در این مقاله، با به‌کار بردن روش ماشین بردار پشتیبان (SVM) و با استفاده از داده‌های 42 ایستگاه سینوپتیک منتخب در ایران، عملکرد شاخص‌های پوشش گیاهی طیفی پهن‌باند NDVI، NDVI-DEV، VCI و TCI در پیش‌بینی خشکسالی بررسی شد. بدین منظور، از شاخص خشکسالی (SPI) برای بیان خشکسالی استفاده شد که نشان‌دهندۀ شدت و دورۀ خشکسالی، از سال 1985 تا 2008 است. شاخص‌های پوشش گیاهی یادشده از تصاویر سنجندۀ NOAA-AVHRR محاسبه و استخراج شدند. این شاخص‌ها، به‌صورت ورودی، به مدل SVM وارد شدند و مقادیر SPI را به‌دست دادند. با این روش، شاخص‌های TCI و NDVI، به‌ترتیب، دارای بالاترین و پایین‌ترین همبستگی با شرایط خشکسالی شناخته شدند
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی An Investigation of Remote Sensing Vegetation Indices Ability in Drought Condition Prediction in Iran
چکیده انگلیسی مقاله Iran as one of the countries located in arid and semi-arid regions of the world, has been in drought danger. Shortage information about long-term weather conditions in many regions of the country, is one of the most important problems in drought monitoring. In this article, spectral vegetation indices (SVIs) have been employed in order to drought modeling and its forecast. To this end, SPI drought indicator (standardized precipitation index) used to represent period of drought and its intensity. Some broad band spectral vegetation indices including Normalized Difference Vegetation Index (NDVI), Temperature Condition Index (TCI) and Vegetation Condition Index (VCI) were extracted by using NOAA-AVHRR satellite imagery. These indices entered to SVM classifier model to gain the SPI index as its result. After comparing the results, TCI was diagnosed as the best index to predict drought condition via 3 months SPI (trimester SPI).
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حامد حیدری | hamed heidari
کارشناس ارشد سنجش از دور، دانشکدۀ نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

دکتر محمدجواد ولدان زوج | mohammad mohammad javad valadan zoej
استاد گروه فتوگرامتری و سنجش از دور، دانشکدۀ نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

یاسر مقصودی | yaser maghsoudi
استادیار گروه فتوگرامتری و سنجش از دور، دانشکدۀ نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

محمدرضا بهشتی فر | mohammad reza beheshti فر
کارشناس ارشد سنجش از دور و عضو سازمان فضایی ایران
سازمان اصلی تایید شده: سازمان فضایی ایران

نشانی اینترنتی http://scj.sbu.ac.ir/index.php/GIS/article/view/14559
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/911/article-911-392514.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقالات
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات